国家Acalabrutinib观察性研究
该数据集来自clinicaltrials.gov,主题为慢性淋巴细胞白血病(CLL)患者使用acalabrutinib治疗的真实世界观察性研究

基本信息
资源简介
国家Acalabrutinib观察性研究
该数据集来自clinicaltrials.gov,主题为慢性淋巴细胞白血病(CLL)患者使用acalabrutinib治疗的真实世界观察性研究。源站描述显示,acalabrutinib治疗CLL的疗效与安全性已通过3项III期临床试验(ELEVATE TN、ASCEND、ELEVATE R/R)确立,并促成欧洲药品管理局于2020年11月批准。该法国纵向、非干预性、多中心研究旨在描述真实临床实践中acalabrutinib的疗效与安全性,主要目标为估计治疗停药时间及停药原因,次要目标包括描述基线临床与人口学特征、评估无进展生存期和总生存期等(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性淋巴细胞白血病。acalabrutinib治疗慢性淋巴细胞白血病(CLL)患者的疗效和安全性已通过3项III期临床试验(ELEVATE TN、ASCEND、ELEVATE R/R)得到充分确立,并促成欧洲药品管理局于2020年11月批准。这项法国纵向、非干预性/观察性、多中心研究旨在描述真实生活中acalabrutinib治疗CLL患者的疗效和安全性。主要目标是估计acalabrutinib治疗的停药时间及停药原因,总体及按治疗线数。次要目标是描述接受acalabrutinib治疗的CLL患者的基线临床和人口学特征,通过无进展生存期、总生存期评估acalabrutinib的疗效,
【主题与分类】
主题标签:Chronic Lymphocytic Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05437250
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT05437250
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:慢性淋巴细胞白血病。通过3项III期临床试验(ELEVATE TN、ASCEND、ELEVATE R/R),acalabrutinib治疗慢性淋巴细胞白血病(CLL)患者的疗效和安全性已得到充分证实,并促使欧洲药品管理局于2020年11月批准该药。这项法国纵向、非干预性/观察性、多中心研究旨在描述acalabrutinib治疗CLL患者在真实生活中的疗效和安全性。主要目标是估计acalabrutinib治疗的中断时间及中断原因,包括总体情况和按治疗线划分的情况。次要目标是描述接受acalabrutinib治疗的CLL患者的基线临床和人口学特征,通过无进展生存期、总生存期、至下次治疗或死亡时间评估acalabrutinib的疗效,描述CLL患者中acalabrutinib的治疗模式及原因,识别CLL患者中acalabrutinib中断的关键决定因素,估计医疗资源利用情况。总缓解率将作为探索性目标进行估计。
本研究纳入的患者为2021年1月1日至2022年12月31日期间,由其医生酌情决定接受acalabrutinib治疗的CLL患者,这些患者已被告知本研究,并且不反对将其数据用于研究目的的电子处理(或者,如果患者在研究启动前死亡,则在其生前未表示反对)。次要数据将每年从医院的患者记录中提取一次。方案要求在70个中心招募350名患者,并进行为期3年的随访。中期分析将每年进行一次,直至研究结束。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




